您的位置:首頁>科技>正文

虛擬試衣不只是“試”,好買衣將通過人工智慧改變整個服裝產業

(左為好買衣聯合創始人兼CEO黃仲生, 右為聯合創始人兼CTO柴金祥)

衣食住行, 幾乎指代了每個人的生活基本需要, 而“衣”位列其首。 服裝行業幾乎是人類社會最傳統的行業之一,

也是從古至今, 變化最小的行業之一。

但這並不代表服裝行業沒有與時俱進, 好買衣虛擬試衣和其聯合創始人兼CTO柴金祥教授, 就想成為服裝行業進入AI時代背後最有力的推手。

就在天貓剛剛開啟的新風尚活動中, “虛擬試衣”成為整個女裝會場的最大亮點。 用戶進行了深度、個性化的虛擬試衣互動體驗, 實現用自己真實的臉與身材, 體驗身臨其境的虛擬試穿。

(天貓新風尚活動中, 好買衣虛擬試衣獲得不錯反響)

互聯網時代的服裝零售行業

在進入互聯網和移動互聯網時代後, 電商徹底改變了零售業的格局, 也對服裝零售業產生了巨大影響, 人們購買衣服的陣地部分由線下部分轉移到了線上。

互聯網電商模式解決了傳統服裝銷售中的一個重要問題, 那就是解決資訊不對稱。 傳統線下銷售中, 消費者可以流覽的商品受到時間和空間限制, 而在網上這一限制被解除, 人們可以獲取更多商品資訊。

根據中國電子商務中心的監測資料表明, 2015年中國服裝網購市場的交易規模達到7457億元, 服裝網購滲透率為34.7, 而2016年達到了9343億元, 網購滲透率為36.9%。

也就是說, 國人有超過三分之一的衣服,

是在網上購買的。 互聯網+像水電一樣成為無所不在的基礎設施, 對傳統服裝行業商業流程中的某些環節直接替換, 甚至創造了新的商業流程。

後互聯網時代線上服裝零售的困境與“虛擬試衣”嘗試

然而, 現在並不是一個可以高枕無憂的時間。

近兩年, 互聯網流量紅利漸漸消失, 對於服裝行業來說, 僅僅將銷售管道拓展到天貓、京東已經不夠了, 如今各大服裝零售商、服裝製造廠商在享受完互聯網帶來的流量紅利後, 再度面臨到銷量趨緩的問題。 線上購物與線下相比確實還存在某些方面的差距。

第一, 是線上購物時, 消費者缺乏有效的購買決策手段。 服裝是非標品, 非常個性化的產品, 消費者在購買時希望看到“這件衣服穿在我身上的效果”,

而不是模特展示的照片。 而消費者不能對商品進行確認, 對於商家來說, 產生的最大問題就是網店比線下店的退換貨率提高了非常多。

第二, 是線上模式相比線下零售缺乏優秀的用戶體驗。 在零售店中, 顧客可以獲得導購的幫助(雖然這之中存在一定促銷性質), 進行衣物的搭配, 尺寸的選擇, 這在網店中很難做到。 儘管可以通過客服諮詢, 但是體驗顯然大打折扣。

正如羅振宇所說, 在後互聯網時代, 流量紅利消失的情況下, 如何抓住流量時間和獲得流量轉化能力, 成為了所有人的最大挑戰。

事實上, 服裝零售行業也在進行相應的嘗試。 在過去一段時間, 行業都在暢談”三維試衣”、”VR/AR試衣”等新技術提供的新方法。

出現了一些例如二維貼圖搭配、三維虛擬試衣間、虛擬試衣鏡這樣的新生事物。

儘管全球各地虛擬試衣創業公司都在努力, 包括Fits.me、Metail、優衣庫等在內的公司, 都是虛擬試衣的先行者, 但它們目前卻面臨技術停滯不前, 業務擴展困難等問題。

(第二代虛擬試衣技術:三維虛擬試衣間效果圖)

在某種程度上, 這些技術手段難以解決以下問題。 首先是規模化應用,

常規的技術難以保證虛擬試衣的效率, 以及其使用的成本。 其次是虛實整合的帶入感, 如果讓消費在3D模型中, 滿足真實、美觀、個性化的試衣需求, 是一個很大的難題。 最後是互聯網化和購買途徑, 虛擬試衣的目的, 從根本上講還是要把衣服賣出去, 那麼其應用必須要產生合理的購買閉環, 和移動端的使用模式。

好買衣通過AI技術幫助填補線上試衣的缺失

不過, 就像金融、汽車、家居等諸多其他行業一樣, 在人工智慧出現後, 一部分問題得到了很好的解決。 柴金祥教授創立好買衣虛擬試衣的目的, 就是希望通過機器學習的方式, 解決現階段虛擬試衣, 甚至整個服裝製造和零售行業中存在的問題。

柴金祥教授說:“很多公司的虛擬試衣產品, 僅僅關注試衣效果,但身材重建才是最基礎的部分。”一個能夠落地的虛擬試衣場景,不僅能夠還原衣服的細節、材質、垂墜感等,還要能夠產生一個接近真實的消費者本人。

好買衣利用用戶輸入的身高體重、勾選身材特徵等基本資訊,結合其獨家的女性身材資料庫,可以推算出幾千項身材資料。再利用機器學習和圖形學,可以對消費者進行較為準確的人體建模。最後將其拍攝的面部照片進行三維重現,就能夠得到一個接近真實的消費者“自己”。

(好買衣智慧重建三維人體模型,誤差值僅1-1.5釐米)

(好買衣智能三維人臉重建效果)

虛擬試衣產生的效果,對於線上服裝零售主要表現在兩方面。

一方面是用戶的停留時間提升。在一般的網店中,用戶停留2分鐘左右是一個比較正常的時間,但經過測試,在使用了好買衣虛擬試衣後,用戶停留一般會超過10分鐘甚至更長。

另一方面,是用戶通過虛擬試衣增強了購買信心。有了虛擬試衣,顧客可以更容易地瞭解自己更合適什麼衣服,因此購買更有針對性,並且有了身材資料後,其購買的尺碼更合適,因此不容易出現頻繁退貨、換貨的情況。

就在剛剛開始的天貓風尚節中,好買衣分析了過去3天的預熱期:發現人均訪問時長長達23分鐘,更有用戶連續線上超過50分鐘;總用戶34.7%在試衣過程中點擊查看該單品的天貓寶貝詳情頁,同時還有15%用戶直接果斷點擊加購,對比原旗艦店日常寶貝詳情頁加購率僅有5%。

除了“試衣”,好買衣希望為服裝行業提供更多人工智慧支持

柴金祥教授表示,虛擬試衣其實只是一個開始,在進行虛擬試衣的同時,好買衣將獲得更貼合消費者的資料,包括身材資料、喜好資料、尺碼匹配資料等等,利用這些資料,有希望對服裝行業產生根本性的影響。尤其是目前行業中的一些存在迫切需求的部分,例如預售、導購、個性化定制、智慧打版、服裝設計等。

服裝預售

預售模式是服裝零售行業在進入互聯網行業後產生的新經營模式,也是一次全新的嘗試,它由消費者的購買意願直接決定生產量,解決了傳統服裝行業的庫存積壓問題,又又將生產端與消費者直接聯繫了起來,進而提升用戶購物體驗,不僅服裝品牌省略了很多中間端環節,預售對用戶來說也是未來網購獨有的”提前消費”體驗。

但與網購衣物類似,預售模式也存在尺碼與顧客是否匹配,以及款式是否合適的問題,因此在使用了虛擬試衣後,品牌可以進一步解決預售中出現尺碼配貨比問題以及往後的用戶退換貨問題。

智慧導購

在高端線下門店中,和一些高消費人群中,導購不僅僅承擔引導顧客的作用,還可以將為顧客提供時尚諮詢服務、穿搭建議。柴金祥教授教授透露,一名資深的Stylist(時尚諮詢)諮詢有超過80%複購率,同時會大大提高顧客的轉化率。

但是,其高端屬性註定很難實現規模化。柴金祥表示:“必須再次強調,衣服是非標品,穿在別人身上好看,穿在自己身上不一定好看,給用戶推薦合適的衣服,尤其需要考慮使用者的長相、身材、氣質、風格,線下導購做得到,但對品牌網上銷售來說,是很大的缺失。”

好買衣人工智慧技術可以解決這一問題,利用獨家使用者身材和臉的資料、精確的衣服標籤、其它搜集的資料、和機器學習對消費者的資訊和喜好進行分析,在未來也可以為顧客提供智慧導購服務。柴金祥教授還透露,好買衣的智慧導購目前已經有早期Demo,很有可能會在今年上半年上線供消費者體驗。

個性化定制

個性化定制,也就是C2M的模式,可以為消費者量身打造適合他們身材特徵、相貌、及喜好的衣著,這是很多服裝品牌希望嘗試的領域。但是目前,只有在男裝的西裝、襯衫等品類和極少數高端女裝中可以實現。

原因很簡單,在西裝和襯衫中,服裝的樣式單一,需要改變的只有顏色、尺寸等,在保有服裝樣板的情況下,比較容易進行設計和製作。但女裝品類複雜,很難在短時間內進行完成打版、製作過程。並且無論對男裝和女裝,這種C2M的模式都基本無法實現規模化。

在人工智慧的幫助下,個性化定制成為可能,顧客的身材資訊經過測量,重建身體模型,再結合其相貌特徵,將設計和打版過程進行優化。再加上全程基本上由演算法完成,人工成本降低,可以實現規模化應用。

智慧人台與尺碼匹配

柴金祥教授表示,目前國內使用的S、M、L、XL四個尺碼,其最初的規範來自於上世紀80年代的日本。且拋開中日消費者的差距,僅僅在過去30年間,國內消費者的身材就發生了巨大的變化,因此這一標準尺碼以及在服裝製作過程中使用的人台,其實也需要隨之進行調整。

好買衣通過虛擬試衣獲得的關於顧客身材的大量資料,未來可以為服裝製造廠商提供智慧人台服務,不但可以符合現在消費者的現實情況,還可以根據衣服針對物件的不同,調整人台的尺寸細節。

服裝設計

事實上,未來除了定制化的衣物之外,服裝製造廠商也還會有其定期推出的新款服裝,那麼大量使用者資料的回饋同樣可以説明它們進行衣物的設計和製造。

現在的服裝行業,廠商和消費者之間依然存在著資訊壁壘,它們儘管會進行市場調研和往期產品銷售情況的統計,但這部分資訊僅有出貨量、銷售量這樣的宏觀資料。而對於衣服賣給了誰、是否和設計時的目標客戶相同,服裝製造廠商並沒有答案。

在未來,好買衣可以通過大資料,為服裝設計環節,提供更加全面的顧客喜好資訊,讓廠家在設計時目標更精准,真正切中消費者的“要害”。

如上所言,柴金祥和好買衣虛擬試衣的目標並不僅僅停留在“試衣”上,這將是一個服裝行業全面改變的契機。

同樣,人工智慧已經為我們帶來的改變,但未來它還會給我們帶來更多的驚喜。正如柴金祥所說:“技術的發展實際上不是一步步漸進式的發展,而是到某個階段會有大的臺階和突破,想要準確預測未來還是挺難的。”

它需要我們更多的想像力。

65

86

僅僅關注試衣效果,但身材重建才是最基礎的部分。”一個能夠落地的虛擬試衣場景,不僅能夠還原衣服的細節、材質、垂墜感等,還要能夠產生一個接近真實的消費者本人。

好買衣利用用戶輸入的身高體重、勾選身材特徵等基本資訊,結合其獨家的女性身材資料庫,可以推算出幾千項身材資料。再利用機器學習和圖形學,可以對消費者進行較為準確的人體建模。最後將其拍攝的面部照片進行三維重現,就能夠得到一個接近真實的消費者“自己”。

(好買衣智慧重建三維人體模型,誤差值僅1-1.5釐米)

(好買衣智能三維人臉重建效果)

虛擬試衣產生的效果,對於線上服裝零售主要表現在兩方面。

一方面是用戶的停留時間提升。在一般的網店中,用戶停留2分鐘左右是一個比較正常的時間,但經過測試,在使用了好買衣虛擬試衣後,用戶停留一般會超過10分鐘甚至更長。

另一方面,是用戶通過虛擬試衣增強了購買信心。有了虛擬試衣,顧客可以更容易地瞭解自己更合適什麼衣服,因此購買更有針對性,並且有了身材資料後,其購買的尺碼更合適,因此不容易出現頻繁退貨、換貨的情況。

就在剛剛開始的天貓風尚節中,好買衣分析了過去3天的預熱期:發現人均訪問時長長達23分鐘,更有用戶連續線上超過50分鐘;總用戶34.7%在試衣過程中點擊查看該單品的天貓寶貝詳情頁,同時還有15%用戶直接果斷點擊加購,對比原旗艦店日常寶貝詳情頁加購率僅有5%。

除了“試衣”,好買衣希望為服裝行業提供更多人工智慧支持

柴金祥教授表示,虛擬試衣其實只是一個開始,在進行虛擬試衣的同時,好買衣將獲得更貼合消費者的資料,包括身材資料、喜好資料、尺碼匹配資料等等,利用這些資料,有希望對服裝行業產生根本性的影響。尤其是目前行業中的一些存在迫切需求的部分,例如預售、導購、個性化定制、智慧打版、服裝設計等。

服裝預售

預售模式是服裝零售行業在進入互聯網行業後產生的新經營模式,也是一次全新的嘗試,它由消費者的購買意願直接決定生產量,解決了傳統服裝行業的庫存積壓問題,又又將生產端與消費者直接聯繫了起來,進而提升用戶購物體驗,不僅服裝品牌省略了很多中間端環節,預售對用戶來說也是未來網購獨有的”提前消費”體驗。

但與網購衣物類似,預售模式也存在尺碼與顧客是否匹配,以及款式是否合適的問題,因此在使用了虛擬試衣後,品牌可以進一步解決預售中出現尺碼配貨比問題以及往後的用戶退換貨問題。

智慧導購

在高端線下門店中,和一些高消費人群中,導購不僅僅承擔引導顧客的作用,還可以將為顧客提供時尚諮詢服務、穿搭建議。柴金祥教授教授透露,一名資深的Stylist(時尚諮詢)諮詢有超過80%複購率,同時會大大提高顧客的轉化率。

但是,其高端屬性註定很難實現規模化。柴金祥表示:“必須再次強調,衣服是非標品,穿在別人身上好看,穿在自己身上不一定好看,給用戶推薦合適的衣服,尤其需要考慮使用者的長相、身材、氣質、風格,線下導購做得到,但對品牌網上銷售來說,是很大的缺失。”

好買衣人工智慧技術可以解決這一問題,利用獨家使用者身材和臉的資料、精確的衣服標籤、其它搜集的資料、和機器學習對消費者的資訊和喜好進行分析,在未來也可以為顧客提供智慧導購服務。柴金祥教授還透露,好買衣的智慧導購目前已經有早期Demo,很有可能會在今年上半年上線供消費者體驗。

個性化定制

個性化定制,也就是C2M的模式,可以為消費者量身打造適合他們身材特徵、相貌、及喜好的衣著,這是很多服裝品牌希望嘗試的領域。但是目前,只有在男裝的西裝、襯衫等品類和極少數高端女裝中可以實現。

原因很簡單,在西裝和襯衫中,服裝的樣式單一,需要改變的只有顏色、尺寸等,在保有服裝樣板的情況下,比較容易進行設計和製作。但女裝品類複雜,很難在短時間內進行完成打版、製作過程。並且無論對男裝和女裝,這種C2M的模式都基本無法實現規模化。

在人工智慧的幫助下,個性化定制成為可能,顧客的身材資訊經過測量,重建身體模型,再結合其相貌特徵,將設計和打版過程進行優化。再加上全程基本上由演算法完成,人工成本降低,可以實現規模化應用。

智慧人台與尺碼匹配

柴金祥教授表示,目前國內使用的S、M、L、XL四個尺碼,其最初的規範來自於上世紀80年代的日本。且拋開中日消費者的差距,僅僅在過去30年間,國內消費者的身材就發生了巨大的變化,因此這一標準尺碼以及在服裝製作過程中使用的人台,其實也需要隨之進行調整。

好買衣通過虛擬試衣獲得的關於顧客身材的大量資料,未來可以為服裝製造廠商提供智慧人台服務,不但可以符合現在消費者的現實情況,還可以根據衣服針對物件的不同,調整人台的尺寸細節。

服裝設計

事實上,未來除了定制化的衣物之外,服裝製造廠商也還會有其定期推出的新款服裝,那麼大量使用者資料的回饋同樣可以説明它們進行衣物的設計和製造。

現在的服裝行業,廠商和消費者之間依然存在著資訊壁壘,它們儘管會進行市場調研和往期產品銷售情況的統計,但這部分資訊僅有出貨量、銷售量這樣的宏觀資料。而對於衣服賣給了誰、是否和設計時的目標客戶相同,服裝製造廠商並沒有答案。

在未來,好買衣可以通過大資料,為服裝設計環節,提供更加全面的顧客喜好資訊,讓廠家在設計時目標更精准,真正切中消費者的“要害”。

如上所言,柴金祥和好買衣虛擬試衣的目標並不僅僅停留在“試衣”上,這將是一個服裝行業全面改變的契機。

同樣,人工智慧已經為我們帶來的改變,但未來它還會給我們帶來更多的驚喜。正如柴金祥所說:“技術的發展實際上不是一步步漸進式的發展,而是到某個階段會有大的臺階和突破,想要準確預測未來還是挺難的。”

它需要我們更多的想像力。

65

86

喜欢就按个赞吧!!!
点击关闭提示